典型文献
基于机器学习的拉矫延伸率预测模型及数值分析
文献摘要：
在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R2分别为13.4％ 和0.953,可以为实际生产提供技术指导.
文献关键词：
支持向量机;BP神经网络;延伸率;预测模型优化;冷轧薄板
中图分类号：
作者姓名：
陈兵;韩烬阳;唐晓垒;夏搏然
作者机构：
北京科技大学 机械工程学院, 北京 100083
文献出处：
引用格式：
[1]陈兵;韩烬阳;唐晓垒;夏搏然-.基于机器学习的拉矫延伸率预测模型及数值分析)[J].东北大学学报（自然科学版）,2022(02):236-242
A类：
B类：
基于机器学习,延伸率,矫直,拉矫机,机工,工艺参数设置,设置问题,经验公式,有限元仿真,传统解,解析模型,机器学习算法,比数,数值解,拟合优度,神经网络算法,预测模型精度,Adam,MAPE,技术指导,预测模型优化,冷轧薄板
AB值：
0.349327
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
